这篇文档属于类型b，是一篇发表在nature methods（2023年2月，第20卷）上的综述性论文，题为《Guiding the Choice of Informatics Software and Tools for Lipidomics Research Applications》。作者团队由来自全球多个研究机构的学者组成，包括德国德累斯顿工业大学、英国卡迪夫大学、奥地利维也纳大学、瑞士生物信息学研究所等，通讯作者为Valerie B. O’Donnell和Maria Fedorova。
本文聚焦于脂质组学（lipidomics）研究中的信息学工具选择问题。脂质组学作为代谢组学的重要分支，通过质谱技术（mass spectrometry, MS）分析生物样本中的脂质分子，广泛应用于生物医学研究，如疾病标志物发现和机制解析。然而，随着高通量质谱技术的普及，脂质组学数据呈现爆炸式增长，研究者面临数据处理工具选择困难、流程标准化不足等挑战。本文旨在为研究者提供脂质组学数据分析工具的系统性指南，并通过Lipid Maps平台推出的交互式门户（https://www.lipidmaps.org/resources/tools）简化工具选择流程。
脂质组学数据分析涉及多个步骤，包括脂质结构鉴定、定量、统计分析和生物学解释。由于脂质结构的多样性和质谱数据的复杂性，传统的手动分析方法效率低下且易出错。例如，错误的峰识别可能导致假阳性脂质注释。本文指出，目前已有大量开源工具被开发用于特定任务（如LipidXplorer、LipidFinder等），但缺乏统一的比较标准，研究者需通过试错法选择工具，耗时且低效。
支持证据：
- 列举了脂质组学工具的应用案例，如LipidFinder用于SARS-CoV-2病毒包膜脂质分析（Saud et al., 2022），LION/web工具解析衰老过程中骨髓中性粒细胞的脂质变化（Lu et al., 2021）。
- 数据统计显示，Lipid Maps数据库在2021年全球用户超7.2万，工具下载量超4600次，凸显工具需求的广泛性。
为应对工具选择的挑战，Lipid Maps开发了交互式门户，将工具按七大任务分类：（1）脂质数据库；（2）质谱数据存储库；（3）靶向脂质组数据分析；（4）非靶向数据中的脂质鉴定；（5）非靶向数据中的脂质定量；（6）统计分析与可视化；（7）数据整合解决方案。
功能细节：
- 技术信息整合：每个工具页面提供许可证类型、操作系统兼容性、输入/输出格式等关键信息（如Lipid Maps结构数据库包含4.7万种脂质结构）。
- 任务导向设计：例如，靶向分析工具LipidCreator支持三步法设计MRM（多反应监测）实验，而SwissLipids数据库通过CHEBI本体论整合脂质代谢通路知识。
- 教程与互操作性：附带的补充教程展示了工具间的协同使用，例如将LipidCreator与Skyline结合用于靶向脂质定量。
论文详细阐述了七类工具的应用场景和代表性软件：
- 脂质数据库：Lipid Maps的LMSD（脂质结构数据库）和SwissLipids分别提供脂质结构注释和代谢通路关联。LMSD包含计算生成的110万种脂质变体（LMSID），支持基于质荷比（m/z）的批量搜索。
- 质谱数据存储库：Metabolomics Workbench和MetaboLights支持原始数据共享，符合FAIR原则（可查找、可访问、可互操作、可重用），后者提供脂质结构可视化功能。
- 靶向分析工具：LipidCreator和XCMS-MRM支持MRM实验设计，后者可直接调用MetLIN数据库的优化离子对参数。
- 非靶向分析工具：MS-DIAL和LipidHunter2支持数据依赖性采集（DDA）和数据非依赖性采集（DIA），并兼容离子淌度质谱数据。
脂质组学数据的终极目标是揭示脂质重塑的生物学机制。本文强调工具如LION/web和Biopan的作用：
- LION/web通过脂质本体论（ontology）将脂质按化学性质（如双键数量）或细胞定位分组，支持富集分析。例如，其PCA-LION模块可可视化多组样本的脂质动态变化。
- Biopan和WikiPathways的脂质门户提供通路映射功能，将脂质变化与已知生物合成途径关联。